张文全，男，1996年2月出生，西安交通大学机械工程学院在读博士。2019年毕业于湖北汽车工业学院机械工程学院工业工程专业IE151班。
1.发表文章：Journal of Manufacturing Systems（中科院1区top）
Wenquan Zhang, Fei Zhao∗; A Novel Soft Actor-Critic Framework with Disjunctive Graph Embedding and Autoencoder Mechanism for Job Shop Scheduling Problems.(Journal of Manufacturing Systems-Under review)
Wenquan Zhang, Fei Zhao∗; A Novel collaborative agent reinforcement learning framework based on an Attention Mechanism and Disjunctive Graph Embedding for Flexible Job Shop Scheduling Problem(Journal of Manufacturing Systems)
2.发明专利：
3.软著
4.研究经历：
2020/01-Present |
l 基于数字孪生的动态调度算法验证系统 数字孪生技术能够更真实地反映实际生产场景。我专注于使用 Visual Components 工业仿真软件创建数字孪生虚拟生产线。 |
l 智能工厂信息建模 我们对每个生产线设备进行建模，定义运动关节、调度属性，并使用Python 脚本实现运动逻辑。还考虑了影响调度的因素。 |
l 智能体与环境之间的交互 基于.Net API的二次开发插件实现强化学习Agent与数字孪生仿真环境之间的TCP Socket通信。 |
2020/01-Present |
l 基于深度强化学习的大规模车间调度方法研究 针对大规模作业车间调度这一普遍且具有挑战性的问题，我们提出了两种新颖的强化学习框架。 |
l 求解车间调度的深度强化学习框架 我们引入了 DGEAM-JSSP，这是一种新颖的强化学习模型，利用 GNN 来处理空间特征，并使用 Transformer 编码器来处理远程依赖性。经过 SAC 训练，它在大规模实例上实现了可扩展的策略泛化。 |
l 求解柔性作业车间调度的协同智能强化学习 我们提出了CARL，一种新颖的架构，通过析取图增强 Co-MDP。GAT 提取全局状态信息，Transformer 编码器量化机器竞争。两个编码器为作业和机器代理提供不同的操作策略。 |
5.研究方向：
数字孪生，组合优化，大规模作业车间调度，深度强化学习，智能决策
